분산(Variance), 표준편차(Standard Deviatior) -> 한 집단을 설명하기 위해서, 대표값으로 평균을 계산했을때, 값들이 평균으로부터 얼마나 벗어나 있는지를 나타내는 값 표본을 뽑는 목적 -> 모집단 추정 -> 표본을 가지고 어떤 통계량을 계산한다? -> 그 목적은 모집단을 추정하기 위함이다. 표본평균 -> 모 평균에 대한 추정치 -> 추정치에는 오차가 존재한다: 이 오차를 표준오차라고 부른다.

목표 1. 분석/모델링을 위한 데이터 구조를 이해한다. 2. 정보의 종료 (숫자, 범주)에 따라 데이터의 분포를 확인하고 비즈니스를 파악할 수 있다. 3. 두 정보를 분석할 때, 적절한 도구를 사용하여 관계를 파악해 낼 수 있다. 1. 가설 검정 모집단(Population): 우리가 알고 싶은 대상 전체 영역 (전체 데이터) 표본(Sample): 그 대상의 일부 영역 (부분 데이터) -> 우리는 일부분(표본)으로 전체(모집단)을 추정하고 싶다. 모집단에 대한 가설 수립 - 가설은 보통 x와 y의 관계를 표현 - x에 따라 y가 차이가 있다 - x와 y는 관계가 있다. 가설 검정: 표본을 통해 세운 가설이 실제 그러한지 검증 필요 가설 검정 절차: 대립가설을 세우고 P-value를 구했더니. 0.001이라..

1. Business Understanding - 가설 수립 - 문제를 정의하고 요인을 파악하기 위해서 가설을 수립한다. - 과학 연구에서는 기존 연구 결과로 이어져 내려오는 정설을 [귀무가설]이라고 부르고 기존의 입장을 넘어서기 위한 새로운 연구 가설을 [대립가설]이라고 부른다. 여기서 우리가 수립하는 가설을 [대립가설]이라고 부르기도 한다 - 가설 수립 절차 1. 해결해야 할 문제가 무엇인가? (목표, 관심사, y) 2. Y를 설명하기 위한 요인을 찾아라. (x) 3. 가설의 구조를 정의하라. (x->y) 2. Data Understanding - 데이터 원본 식별 및 취득 (초기) 가설에서 도출된 데이터의 원본을 확인 - 데이터 탐색 데이터를 탐색하는 두 가지 방법 통계량: 분할표(Contingen..